Генеративный искусственный интеллект в ящике вашего стола: управление доходами

В предыдущей статье этой серии была затронута тема генеративный искусственный интеллект в бэк-офисе здравоохранения. В этой статье рассматриваются варианты использования генеративного искусственного интеллекта в здравоохранении.

Стоит ли удивляться тому, что новые технологии в здравоохранении быстро появляются в сфере возмещения расходов? Выплаты – это постоянная навязчивая идея каждого менеджера.

Претензии

Абхишек Шарма, директор по трансформации бизнеса в ловкостьговорит, что плательщики задаются вопросом, почему врач назначил МРТ вместо менее дорогостоящей компьютерной томографии, и что для обоснования решения необходимо отобрать точные детали из медицинской карты пациента и клинической демографической истории.

Душьянт Мишра, соучредитель и генеральный директор РапидКлеймс, говорит, что от пяти до десяти процентов затрат в клинических учреждениях уходит на выставление счетов и управление доходами. Международная классификация болезней и состояний МКБ пошла от от 13 000 кодов в МКБ-9 до 68 000 в МКБ-10. МКБ-11 уже формализована, но не получила широкого распространения.

На самом деле слишком сложно ожидать, что программист-человек найдет наиболее подходящий код (переведите: код, который с наибольшей вероятностью максимизирует возмещение). Для этого необходимо проверить исторические записи на наличие симптомов, результатов тестов и других данных, которые необходимы плательщику для проверки кода.

Более того, коды регулярно добавляются и удаляются, а плательщики меняют критерии их утверждения. Мишра говорит, что плательщики обрабатывают коды по-разному: некоторые разделяют условия, а другие предпочитают, чтобы они были объединены. Для программистов-людей требуется постоянное обучение. Это хрестоматийный вариант использования ИИ.

Анна Туми, старший директор по здравоохранению в SS&C Голубая Призма, излагает примеры тонкостей, которые человек-программист может упустить. Иногда, например, несколько таблеток лекарства выставляются как одна доза. Она говорит: «Кроме того, выбор между комплексными и отдельными процедурами оказывает существенное влияние на выставление счетов. У специалистов-аналитиков не всегда есть время проверить, все ли этапы комплексной процедуры учтены, что может привести к пропуску платежей. Генеративный искусственный интеллект, особенно в сочетании с роботизированной автоматизацией процессов (RPA), может тщательно анализировать эти процедуры, чтобы гарантировать, что все соответствующие расходы идентифицированы и выставлены соответствующие счета. В одной организации генеративный ИИ вернул более миллиона долларов из упущенных (невыставленных счетов) долларов за один квартал».

RapidClaims, которая только что объявила о крупном раунде финансирования, специализируется на автоматизированном медицинском кодировании. Мишра говорит, что это не требует изменения рабочих процессов программистов. Эффективность, обеспечиваемая RapidClaims, позволяет врачам увеличивать количество обрабатываемых карт на 100 % и более, что приводит к более быстрому возмещению расходов. На рис. 1 показана панель мониторинга RapidClaims.

Мой опыт показывает, что более быстрое выставление счетов приносит пользу и пациентам. Как часто вы получали неожиданный счет с просьбой оплатить какой-то тест или процедуру, которые были проведены так давно, что вы забыли об этом?

RapidClaims сейчас сосредоточила свое внимание на МКБ-11 и считает, что их услуги значительно облегчат переход врачей.

Акшай Шарма, директор по искусственному интеллекту в Лирика, описывает правила выставления счетов как сложный набор уровней политики, при этом центры Medicare и Medicaid Services (CMS), штаты и частные плательщики регулярно выпускают большие коллекции документов по клинической политике в отношении новых лекарств, заболеваний и симптомов. появляться. Тысячи страниц политик необходимо оценивать хотя бы раз в месяц.

«Мы способны выявить истинное влияние изменений в документах в продольном направлении», — пишет он. Этот подход, называемый «рассуждением на основе неструктурированного текста с использованием языковых моделей», раскрывает конкретные отрывки из документов. Эти выдержки затем представляются эксперту, который может дать обратную связь, чтобы помочь сформировать политику.

Я предположил, что регулирующим органам имеет смысл подготовить свои собственные сводки, и он сказал, что хотел бы, чтобы это произошло, но у них нет стимула делать это.

Искусственный интеллект Lyric, основанный на обширном массиве знаний, накопленном десятилетиями, также может объяснить принятые судебные решения. Шарма пишет: «Результаты, полученные с помощью ИИ, проверяются экспертами, которые могут предоставить обратную связь, что помогает нам улучшить модели. Специализированные пакеты знаний созданы для того, чтобы плательщики могли выполнить точную настройку».

У них также есть планы использовать генеративный искусственный интеллект для генерации кода. Шарма говорит: «Эта технология поможет в создании тестовых примеров и базового кода, что в конечном итоге сократит время вывода на рынок постоянно меняющихся политик».

Йод Программное обеспечениепо словам Прити Шаха, директора по продуктам и технологиям, использует ИИ для оптимизации проверки использования в поддержку ведения случаев и документирования медицинской необходимости, что приводит к снижению количества отказов в страховых выплатах.

Предварительные разрешения и апелляции

Помимо выставления счетов, большую часть внимания администраторов занимают предварительные разрешения и апелляции. Дуг Росс — вице-президент, руководитель отдела генеративного искусственного интеллекта в США. Согет, часть Capgemini. Он говорит, что входные данные для запроса на предварительную авторизацию различаются для каждого типа, и что генеративный ИИ может проверить, присутствуют ли все необходимые входные данные в запросе.

Эксперианское здоровье выпустили свои Преимущество ИИ программа в течение прошлого года, нацеленная на крупных поставщиков и предлагающая различную поддержку для управления циклом доходов. По словам Клариссы Риггинс, их директора по продукту, одной из их услуг является сортировка отказов: определение того, какие отказы имеют наибольшие шансы на успешную апелляцию.

Риггинс говорит, что получение разрешений не является простым делом, оно зависит от знания того, как отреагирует конкретный плательщик, «племенных знаний», которым сотрудники учатся со временем. Она говорит, что существует множество решений типа «если… то… иначе», которые генеративный ИИ может помочь вам принять. Такие сложности возникают, когда у пациента есть несколько планов страхования или другие источники финансирования, например благотворительность.

Абхишек Шарма также описывает, как Sagility помогает поставщикам услуг использовать генеративный искусственный интеллект для создания индивидуальных апелляционных писем, суммируя необходимые данные из медицинской документации. И наоборот, Sagility помогает плательщикам, используя классификаторы на основе LLM для более точной идентификации и определения приоритетности входящих обращений, позволяя при необходимости присваивать ускоренный или срочный статус.

Управление ресурсами

Ищите ИИ, по словам основателя и генерального директора Сары Надь, предоставляет интерфейс обработки естественного языка (NLP), который позволяет персоналу задавать широкий спектр вопросов с немедленными ответами, например: «Сколько пациентов мы приняли на этой неделе по сравнению с прошлой неделей?» На рис. 2 показан типичный отчет Seek AI.

Надь утверждает, что модель Seek AI является наиболее точной в мире для распознавания данных на печатном языке.

Генерация контракта

HSBlox предоставляет платформу администрирования медицинского обслуживания на основе стоимости (VBCA), которая включает в себя моделирование контрактов и конструктор контрактов. Генеральный директор Рахул Шарма объяснил мне, что платформа обладает гибкостью для извлечения соответствующих данных путем обработки существующих контрактов или оцифровки традиционных наборов данных. Компания строит промежуточный этап этого процесса с использованием генеративного искусственного интеллекта. Обучая большие языковые модели (LLM) на прошлых контрактах, генеративный ИИ может генерировать новые контракты на основе прошлых шаблонов, которые затем можно просмотреть и доработать.

Платформа пропускает этот ввод через несколько этапов. Во-первых, разработчик контрактов использует комбинацию механизма, основанного на правилах, и построителя запросов, построенного на Power BI от Microsoft. Анализ чувствительности выполняется путем изменения входных переменных, которые определяют результат решения с учетом комбинации определенных диапазонов и значений переменных, таких как цены, покрытие и сроки действия. LLM могут анализировать отдельные компоненты сложных и длительных контрактов, чтобы извлечь конкретные значения.

После моделирования контракта конечные пользователи могут использовать информацию от разработчика контракта для построения контракта для различных вариантов использования. Конечные пользователи также могут клонировать существующий контракт из библиотеки, чтобы редактировать и сохранять его как новый контракт на основе анализа чувствительности, выполненного на этапе моделирования контракта. Шарма говорит: «Эту информацию можно извлечь за считанные секунды и представить с помощью простого в использовании рабочего процесса, который позволяет пользователям завершать контракты в течение нескольких дней».

Он подчеркнул, что они используют «хранилище конфиденциальности данных», основанное на архитектуре, рекомендованной IEEE, для безопасного хранения, управления и использования информации о пациентах путем деидентификации полей. Обезличенные данные можно безопасно отправить в LLM.

В следующей статье мы продолжаем рассматривать интересные использование генеративного искусственного интеллекта в бэк-офисе здравоохранения.